R та EView розбіжності в оцінках AR (1)

Основна проблема полягає в тому, що я не можу отримати подібні оцінки параметрів за допомогою EViews та R.

З причин, яких я не знаю, мені потрібно оцінити параметри для певних даних за допомогою EViews. Це робиться шляхом вибору параметра NLS (нелінійні найменші квадрати) та використання наступної формули:indep_var c dep_var ar(1)

EViews стверджує, що вони оцінюють лінійні процеси AR (1), такі як: де помилки визначаються як: , використовуючи еквівалент рівняння (з деякими алгебраїчними ): Крім того, ця нитка над на форумах EViews припускає, що їх оцінки NLS формуються алгоритмом Марквардта.

Y_{т} = α + β Х_{т} + у_{т}

$Y_t = \alpha + \beta X_t + u_t$

u_{t}

$u_t$

у_{т} = ρ \cdot у_{т - 1} + ε

$u_t = \rho \cdot u_{t-1} + \varepsilon$

Y_{т} = (1 - ρ) α + ρ Y_{т - 1} + β Х_{т} - ρ β Х_{т - 1} + ε_{т}

$Y_t = (1 - \rho) \alpha + \rho Y_{t - 1} + \beta X_t - \rho \beta X_{t - 1} + \varepsilon_t$

Тепер функція go-to для оцінки процесів AR (1) є arima. Однак є дві проблеми:

оцінки - максимальна оцінка ймовірності;
оцінка перехоплення насправді не є перехоплюючою оцінкою (за даними RH Shumway & DS Stoffer).

Тому я звернувся до nlsLMфункції з пакету minpack.lm. Ця функція використовує алгоритм Маркварда для досягнення нелінійних оцінок найменших квадратів, які повинні дати ті ж результати, що й реалізація EViews (або, принаймні, дуже схожі).

Тепер код. У мене є фрейм даних ( data) з незалежною змінною та залежною змінною, такою як генерований наступним кодом:

data <- data.frame(independent = abs(rnorm(48)), dependent = abs(rnorm(48)))

Для оцінки параметрів у рівнянні претензій EViews для оцінки (3- ^й на цій посаді) я використовую такі команди:

library(minpack.lm)
result <-
nlsLM(dependentB ~ ((1 - theta1) * theta2) + (theta1 * dependentA) +
                    (theta3 * independentB) - (theta1 * theta3 * independentA),
data = list(dependentB = data$dependent[2:48], dependentA = data$dependent[1:47],
   independentB = data$independent[2:48], independentA = data$independent[1:47]),
start = list(theta1 = -10, theta2 = -10, theta3 = -10)
)

На жаль, оцінки, отримані за допомогою nlsLM, не наближені до тих, що виводиться EViews. Чи маєте ви уявлення про те, що може бути причиною цього? А може мій код неправильний?

Нарешті, я хотів би сказати, що я особисто є користувачем R - саме тому я намагаюся зробити це в R замість EViews. Я також хотів би надати вам дані, з якими працюю, але це неможливо, оскільки це конфіденційні дані.

r autoregressive software

— Fael
джерело

Ласкаво просимо на сайт, @Fael. +1 для чіткого запитання. Я взяв на себе сміття трохи змінити форматування, щоб зробити його більш чистим. Будь ласка, переконайтеся, що в ньому все ще сказано, що ви хочете.

— gung - Відновіть Моніку

Нічого собі, це було дуже приємно з вас. Велике спасибі, @gung!

— Фаель

Ви завжди розміщуєте / кодуєте дані та розміщуєте їх. перетворення форми [(y-константа1) / константа2] зробить трюк.

— IrishStat

BTW: Параметри лінійних процесів можна оцінити за допомогою OLS.

— Germaniawerks

Ваша NLLS має чотири умови ортогональності, по одній на змінну плюс константа (аналог нормальним рівнянням у стандартній OLS) для вирішення трьох параметрів ( ). Нелінійні алгоритми часто мають гетерогенні конфігурації параметрів допуску через програмне забезпечення. Я можу запропонувати вам скинути зі свого рівняння, щоб точно визначити систему, а потім протестувати Eviews на R? якщо обидва згодні, це, ймовірно, означає, що один з них має проблеми з переопределенням. $\rho, \beta, \alpha$ $X_{t-1}$

— JDav
джерело